DolphinDB是新一代的高性能分布式时序数据库(time-series database)，同时具有丰富的数据分析和分布式计算功能。本教程使用DolphinDB对淘宝APP的用户行为数据进行分析，进一步分析业务问题。
数据来源：User Behavior Data from Taobao for Recommendation-数据集-阿里云天池
本教程中，我们把DolphinDB以及使用的数据集封装到docker中。docker中包含了DolphinDB的分布式数据库dfs://user_behavior 。它包含一张表user，保存了2017年11月25日到2017年12月3日之间将近一百万淘宝APP用户的行为记录。我们采用组合分区方式，第一层按照日期分区，每天一个分区，第二层按照userID进行哈希分区，一共划分为180个分区。user表的结构如下所示：
![]()
各种用户行为类型的含义如下：
- pv：浏览商品详情页
- buy：商品购买
- cart：将商品加入购物车
- fav：收藏商品
1. 下载docker部署包
本教程已经把DolphinDB以及用到的数据封装到docker容器中。使用前确保docker环境已经部署好。docker安装教程请参考https://docs.docker.com/install/。从http://www.dolphindb.cn/downloads/bigdata.tar.gz下载部署包，到部署包所在目录执行以下代码。
解压部署包：
导入容器快照作为镜像：
cat bigdata.tar | docker import - my/bigdata:v1
获取镜像my/bigdata:v1的ID:
启动容器（根据实际情况替换images id）：
docker run -dt -p 8888:8848 --name test <image id> /bin/bash ./dolphindb/start.sh
在浏览器地址栏中输入本机IP地址:8888，如localhost:8888，进入DolphinDB Notebook。以下代码均在DolphinDB Notebook中执行。
该docker中的DolphinDB license有效期到2019年9月1日，如果license文件过期，只需要到DolphinDB官网下载社区版，用社区版的license替换bigdata.tar/dolphindb/dolphindb.lic即可。
2. 用户行为分析
查看数据量：
login("admin","123456")
user=loadTable("dfs://user_behavior","user")
select count(*) from user
98914533
user表中一共有98,914,533条记录。
分析用户从浏览到最终购买商品整个过程的行为情况：
PV=exec count(*) from user where behavior="pv"
88596903
UV=count(exec distinct userID from user)
987984
在这9天中，淘宝APP的页面访问量为88,596,903，独立访客为987,984。
上面使用到的exec是DolphinDB独有的功能，它与select类似。两者的区别是，select语句总是返回一个表，exec选择一列时会返回一个向量，与聚合函数一起使用时会返回一个标量，与pivoy by一起使用时会返回一个矩阵，方便后续对数据的计算。
统计只浏览一次页面的用户数量：
onceUserNum=count(select count(behavior) from user group by userID having count(behavior)=1)
92
jumpRate=onceUserNum\UV*100
0.009312
只有92个用户只浏览过一个页面就离开了APP，占总用户数的0.0093%，几乎可以忽略不计，说明淘宝有足够的吸引力让用户停留在APP中。
统计各个用户行为的数量：
behaviors=select count(*) as num from user group by behavior
![]()
计算从有浏览到有意向购买的转化率：
将商品加入购物车和收藏商品都可以认为用户有意向购买。统计有意向购买的用户行为数量：
fav_cart=exec sum(num) from behaviors where behavior="fav" or behavior="cart"
8318654
intentRate=fav_cart\PV*100
9.389328
从浏览到有意向购买只有9.38%的转化率。
buy=(exec num from behaviors where behavior="buy")[0]
1998976
2.256259
intent_buy=buy\fav_cart*100
24.030041
从浏览到最终购买只有2.25%的转化率，从有意向购买到最终购买的转化率为24.03%，说明大部分用户用户会把中意的商品收藏或加入购物车，但不一定会立即购买。
对各种用户行为的独立访客进行统计：
userNums=select count(userID) as num from (select count(*) from user group by behavior,userID) group by behavior
![]()
pay_user_rate=(exec num from userNums where behavior="buy")[0]\UV*100
67.852313
这9天中，使用淘宝APP的付费用户占67.8%，说明大部分用户会在淘宝APP上购物。
统计每天各种用户行为的用户数量：
dailyUserNums=select sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user group by date(behaveTime) as date
![]()
周五、周六和周日（2017.11.25、2017.11.26、2017.12.02、2017.12.03）淘宝APP的访问量明显增加。
iif是DolphinDB的条件运算符，它的语法是iif(cond, trueResult, falseResult)，cond通常是布尔表达式，如果满足cond，则返回trueResult，如果不满足cond，则返回falseResult。
分别统计每天不同时间段下各种用户行为的数量。我们提供了以下两种方法：
第一种方法是分别统计各个时间段的数据，再把各个结果合并。例如，统计工作日2017.11.29（周三）不同时间段的用户行为数量。
re1=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T00:00:00 : 2017.11.29T05:59:59
re2=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T06:00:00 : 2017.11.29T08:59:59
re3=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T09:00:00 : 2017.11.29T11:59:59
re4=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T12:00:00 : 2017.11.29T13:59:59
re5=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T14:00:00 : 2017.11.29T17:59:59
re6=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T18:00:00 : 2017.11.29T21:59:59
re7=select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between 2017.11.29T22:00:00 : 2017.11.29T23:59:59
re=unionAll([re1,re2,re3,re4,re5,re6,re7],false)
![]()
这种方法比较简单，但是需要编写大量重复代码。当然也可以把重复代码封装成函数。
def calculateBehavior(startTime,endTime){
return select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user where behaveTime between startTime : endTime
}
这样只需要指定时间段的起始时间即可。
另外一种方法是通过DolphinDB的Map-Reduce框架来完成。例如，统计工作日2017.11.29（周三）的用户行为。
def caculate(t){
return select first(behaveTime) as time, sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from t
}
ds1 = repartitionDS(<select * from user>, `behaveTime, RANGE,2017.11.29T00:00:00 2017.11.29T06:00:000 2017.11.29T09:00:00 2017.11.29T12:00:00 2017.11.29T14:00:00 2017.11.29T18:00:00 2017.11.29T22:00:00 2017.11.29T23:59:59)
WedBehavior = mr(ds1, caculate, , unionAll{, false})
![]()
我们使用repartitionDS函数对user表重新按照时间范围来分区（不改变user表原来的分区方式），并生成多个数据源，然后通过mr函数，对数据源进行并行计算。DolphinDB会把caculate函数应用到各个数据源上，然后把各个结果合并。
工作日，凌晨（0点到6点）淘宝APP的使用率最高，其次是下午（14点到16点）。
统计周六（2017.11.25）和周日（2017.11.26）的用户行为：
ds2 = repartitionDS(<select * from user>, `behaveTime, RANGE,2017.11.25T00:00:00 2017.11.25T06:00:000 2017.11.25T09:00:00 2017.11.25T12:00:00 2017.11.25T14:00:00 2017.11.25T18:00:00 2017.11.25T22:00:00 2017.11.25T23:59:59)
SatBehavior = mr(ds2, caculate, , unionAll{, false})
![]()
ds3 = repartitionDS(<select * from user>, `behaveTime, RANGE,2017.11.26T00:00:00 2017.11.26T06:00:000 2017.11.26T09:00:00 2017.11.26T12:00:00 2017.11.26T14:00:00 2017.11.26T18:00:00 2017.11.26T22:00:00 2017.11.26T23:59:59)
SunBehavior = mr(ds3, caculate, , unionAll{, false})
![]()
周六和周日各个时间段淘宝APP的使用率都比工作日的使用率要高。同样地，周六日淘宝APP使用高峰是凌晨（0点到6点）。
3. 商品分析
allItems=select distinct(itemID) from user
4142583
在这9天中，一共涉及到4,142,583种商品。
统计每个商品的购买次数：
itemBuyTimes=select count(userID) as times from user where behavior="buy" group by itemID order by times desc
统计销量前20的商品：
salesTop=select top 20 * from itemBuyTimes order by times desc
ID为3122135的商品销量最高，一共有1,408次购买。
统计各个购买次数下商品的数量：
buyTimesItemNum=select count(itemID) as itemNums from itemBuyTimes group by times order by itemNums desc
结果显示，绝大部分（370,747种）商品在这9天中都只被购买了一次，占所有商品的8.94%。购买次数越多，涉及到的商品数量越少。
统计所有商品的用户行为数量：
allItemsInfo=select sum(iif(behavior=="pv",1,0)) as pageView, sum(iif(behavior=="fav",1,0)) as favorite, sum(iif(behavior=="cart",1,0)) as shoppingCart, sum(iif(behavior=="buy",1,0)) as payment from user group by itemID
统计浏览量前20的商品：
pvTop=select top 20 itemID,pageView from allItemsInfo order by pageView desc
浏览量最高的商品ID为812879，共有29,720次浏览，但是销量仅为135，没有进入到销量前20。
统计销量前20的商品各个用户行为的数量：
select * from ej(salesTop,allItemsInfo,`itemID) order by times desc
销量最高的商品3122135的浏览量为1777，没有进入浏览量前20，从浏览到购买的转化率高达79.2%，该商品有可能是刚需用品，用户不需要太多浏览就决定购买。
扩展练习：
（1）计算2017.11.25每小时淘宝APP的购买率（购买率=购买次数/总行为次数*100%）
（2）找出购买次数最多的用户以及他购买最多的商品
（3）计算商品ID为3122135的商品在各个时间段中的购买次数
（4）统计每个类别每个行为的次数
（5）计算每个类别中销量最高的商品
本教程仅供学习使用。
